一种基于改进MS-PReNet和GAM-YOLOv7的雨天绝缘子缺陷检测方法
申请人信息
- 申请人:南京邮电大学
- 申请人地址:210003 江苏省南京市鼓楼区新模范马路66号
- 发明人: 南京邮电大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于改进MS-PReNet和GAM-YOLOv7的雨天绝缘子缺陷检测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311426256.4 |
| 申请日 | 2023/10/31 |
| 公告号 | CN117422689A |
| 公开日 | 2024/1/19 |
| IPC主分类号 | G06T7/00 |
| 权利人 | 南京邮电大学 |
| 发明人 | 邓松; 陈林; 岳东; 付雄; 丁梓炜 |
| 地址 | 江苏省南京市栖霞区广月路30-06号 |
摘要文本
本发明公开了一种基于改进MS‑PReNet和GAM‑YOLOv7的雨天绝缘子缺陷检测方法，属于绝缘子缺陷检测技术领域；对绝缘子缺陷数据集进行加雨操作，对数据集进行预处理；构建MS‑PReNet去雨网络模型，对MS‑PReNet去雨网络模型进行训练；将新的数据集进行绝缘子缺陷真实目标框标注；根据数据集的绝缘子缺陷真实目标框，聚类生成不同尺寸的锚框；构建GAM‑YOLOv7目标检测网络模型，GAM‑YOLOv7目标检测网络模型进行训练；对MS‑PReNet去雨网络模型与GAM‑YOLOv7目标检测网络模型进行测试、验证。本发明通过MS‑PReNet去雨网络模型中的添加多尺度特征融合模块MSFM有效地去除雨滴造成的图像噪声和光照不均匀现象，提高图像质量；在GAM‑YOLOv7目标检测网络模型中添加全局注意力机制GAM，进行绝缘子缺陷检测，提高绝缘子缺陷的准确率和稳定性。 微信公众号马克 数据网
专利主权项内容
1.一种基于改进MS-PReNet和GAM-YOLOv7的雨天绝缘子缺陷检测方法，其特征在于：该方法包括以下步骤：步骤S1：对所有的绝缘子缺陷数据集进行加雨操作，并对一部分加雨操作后的数据集进行预处理；步骤S2：构建MS-PReNet去雨网络模型，将加雨的图像和对应的原图像送入MS-PReNet去雨网络模型进行训练；所述MS-PReNet去雨网络模型包括用于接收MS-PReNet去雨网络模型输入图像的卷积层f、用于特征融合的多尺度特征融合模块f、用于传递阶段间特征依赖关系的循环层f、对不同通道特征分配不同权重的SE注意机制残差模块f、用于提取图像深度特征的残差块f以及用于输出去雨结果图像的卷积层f；inmsfmrecurrentseresout步骤S3：将训练好的MS-PReNet去雨网络模型保存最优参数，并将对所有的绝缘子缺陷数据集进行去雨操作，生成新的数据集；步骤S4：将新的数据集进行绝缘子缺陷真实目标框标注，按照比例划分训练集、验证集和测试集；步骤S5：根据数据集的绝缘子缺陷真实目标框，聚类生成不同尺寸的锚框；步骤S6：构建GAM-YOLOv7目标检测网络模型，并将步骤S5中处理好的绝缘子缺陷数据集送GAM-YOLOv7目标检测网络模型进行训练；步骤S7：将训练好的GAM-YOLOv7目标检测网络模型最优参数进行保存；步骤S8：对MS-PReNet去雨网络模型与GAM-YOLOv7目标检测网络模型进行测试、验证。